基于客户细分的互联网金融类贷后用户违约行为研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景与研究意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 研究内容与框架 | 第11页 |
| 1.3 本文研究方法和创新点 | 第11-12页 |
| 1.4 国内外互联网金融相关研究现状 | 第12-16页 |
| 1.4.1 国内外互联网金融发展现状 | 第12-14页 |
| 1.4.2 国内互联网金融相关研究现状 | 第14-15页 |
| 1.4.3 国外互联网金融相关研究现状 | 第15-16页 |
| 1.5 本章小结 | 第16-17页 |
| 第二章 相关理论概述 | 第17-28页 |
| 2.1 聚类分析理论概述 | 第17-21页 |
| 2.1.1 相似系数和距离 | 第17-20页 |
| 2.1.2 聚类方法介绍 | 第20页 |
| 2.1.3 K-means聚类概述 | 第20-21页 |
| 2.2 RFM模型概述 | 第21-23页 |
| 2.2.1 RFM模型介绍 | 第21-22页 |
| 2.2.2 RFM模型权重 | 第22-23页 |
| 2.2.3 RFM模型各分类含义 | 第23页 |
| 2.3 决策树模型概述 | 第23-27页 |
| 2.3.1 决策树介绍 | 第23-24页 |
| 2.3.2 决策树的结构和构建步骤 | 第24-25页 |
| 2.3.3 决策树常用方法介绍 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 模型的建立与实证分析 | 第28-46页 |
| 3.1 构建指标体系 | 第28-42页 |
| 3.1.1 数据来源及变量选择 | 第28-31页 |
| 3.1.2 数据预处理 | 第31-40页 |
| 3.1.3 数据建模 | 第40-42页 |
| 3.2 用户价值权重 | 第42-43页 |
| 3.2.1 用户价值权重计算 | 第42-43页 |
| 3.3 聚类模型的建立 | 第43-45页 |
| 3.3.1 生成客群 | 第43-45页 |
| 3.3.2 用户价值分析 | 第45页 |
| 3.4 本章小结 | 第45-46页 |
| 第四章 借贷用户贷后违约行为预测 | 第46-56页 |
| 4.1 数据说明 | 第46-51页 |
| 4.2 分层抽样 | 第51页 |
| 4.3 交叉验证法 | 第51页 |
| 4.4 评估模型 | 第51-52页 |
| 4.5 模型建立 | 第52-54页 |
| 4.6 应用模型与对比分析 | 第54-55页 |
| 4.7 本章小结 | 第55-56页 |
| 总结与展望 | 第56-57页 |
| 总结的内容 | 第56页 |
| 展望的内容 | 第56-57页 |
| 参考文献 | 第57-59页 |
| 致谢 | 第59-60页 |
| 附件 | 第60页 |
